JPH11154231A

JPH11154231A - パターン認識辞書学習方法、パターン認識辞書作成方法、パターン認識辞書学習装置、パターン認識辞書作成装置、パターン認識方法及びパターン認識装置

Info

Publication number: JPH11154231A
Application number: JP9321200A
Authority: JP
Inventors: Koichiro Akiyama; 浩一郎秋山
Original assignee: Toshiba Corp
Current assignee: Toshiba Corp
Priority date: 1997-11-21
Filing date: 1997-11-21
Publication date: 1999-06-08

Abstract

(57)【要約】【課題】複数の認識方式を用いるパターン認識処理に
おける辞書学習において、学習による弊害を最小限に抑
え、各々の認識方式の長所を活かすようにしたパターン
認識学習方法を提供すること。【解決手段】複数の認識方式を用いるパターン認識処
理における認識辞書を学習する方法において、入力パタ
ーンに対するパターン認識処理を実行し、このパターン
認識処理の認識結果および各認識方式の認識結果に少な
くとも基づいて前記認識辞書の学習基準を定め、この学
習基準により定められる認識辞書を学習すべき認識方式
と学習方法に従って、前記認識辞書を学習することを特
徴とする。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、パターン認識にお
ける辞書を学習するためのパターン認識学習方法及びパ
ターン認識作成方法、パターン認識における辞書を作成
するためのパターンパターン認識辞書学習装置及びパタ
ーン認識辞書作成装置、並びにこの辞書を用いたパター
ン認識方法及びパターン認識装置に関する。

【０００２】

【従来の技術】パターン認識における認識方式およびそ
の辞書の学習方法あるいは作成方法には種々のものが知
られている。例えば、文献「ＴｈｅＳｅｌｆ−Ｏｒｇ
ａｎｉｚｉｎｇＭａｐ」、Ｐｒｏｃｅｅｄｉｎｇｓ
ｏｆｔｈｅＩＥＥＥ（１９９０）には、ＬＶＱ（Ｌ
ｅａｒｎｉｎｇＶｅｃｔｏｒＱｕａｎｉｚａｔｉｏ
ｎ）が紹介されている。これは入力ベクトルをｘとし、
それぞれのカテゴリに対してｍを参照ベクトルとし、相
違度をｓとして、ｓ＝‖ｘ−ｍ‖と定義するものであ
る。各カテゴリ中で最大の相違度を持つカテゴリをｘの
認識結果として出力する。

【０００３】このとき、ｍの学習には次の手順を使う。
学習パターンｘを認識したときに認識結果として得られ
たカテゴリをｃ、参照ベクトルをｍ_c として、ｍ_c ´＝ｍ_c ＋α（ｘ−ｍ_c ）（１）ｍ_c ´＝ｍ_c −α（ｘ−ｍ_c ）（２）のようにして辞書を更新する。

【０００４】上記以外の方法にＬＶＱ２、ＬＶＱ３があ
り、認識結果として得られる相違度に基づいて式（１）
と式（２）を使い分けている。また、ＧＰＤ（Ｇｅｎｅ
ｒａｌｉｚｅｄＰｒｏｂａｂｉｌｉｓｔｉｃＤｅｃ
ｅｎｔ）と呼ばれる考え方をユークリッド距離に適用す
る方式も知られている。Ｒ（ｘ）をｘを認識したときに
得られる認識結果とし、α（Ｒ（ｘ））をＲ（ｘ）によ
って決まる係数として、一般的にいって、ｍ_c ´＝ｍ_c ＋α（Ｒ（ｘ））（ｘ−ｍ_c ）を更新ルールとするものである。

【０００５】文献「パターン認識と部分空間法」、産業
図書（１９８６）には、学習部分空間法（ＬＳＭ）が紹
介されている。これは入力ベクトルをｘとし、それぞれ
のカテゴリに対してＰをプロジェクションとし、類似度
をｓとして、ｓ＝ｘ^T Ｐｘと定義するものである。な
お、ｘ^T はｘの転置行列である。各カテゴリ中で最大の
類似度を持つカテゴリをｘの認識結果として出力する。

【０００６】Ｐを構成する正規直交ベクトルをψ_i とし
たとき、Ｇをψ_i をｒ個並べた行列としてＰ＝ＧＧ^T と
表せるものとする。Ｒ（ｘ）をｘを認識したときに得ら
れる認識結果とし、α（Ｒ（ｘ））をＲ（ｘ）によって
決まる係数として、 ψ_i ´＝ψ_i ＋α（Ｒ（ｘ））（ｘ，ψ）ｘとし、ψ_i ´をたとえばシュミットの直交化法で正規直
交化して新しいψ_i ´を求めることにより学習を行う。

【０００７】平均ベクトルｍを持つ形式で、ｓ＝‖ｘ−ｍ‖² −（ｘ−ｍ）^T Ｐ（ｘ−ｍ）も投影距離として知られているが、ψ_i については上と
同様に求め、またｍについて、ｍ´＝ｍ＋２α（Ｒ（ｘ））（（ｘ−ｍ）−Ｐ（ｘ−
ｍ））によって更新する方式も知られている。

【０００８】また、同じ文献に紹介されている平均部分
空間法（ＡＬＳＭ）や特開昭５６−１３７４８３は次の
ようなものである。Ｋを正値対称行列として、Ｋの固有
ベクトルの一部を用いてＰを構成し、類似度をｓ＝ｘ^T
Ｐｘと定義する。

【０００９】学習は認識が不正解であった場合に、Ｋ´＝Ｋ＋αｘｘ^T …（正解カテゴリに対して）Ｋ´＝Ｋ−βｘｘ^T …（不正解カテゴリに対して）によってＫを更新することによって行う。

【００１０】ところで、昨今、文字認識装置や音声認識
装置など既に実用化されているパターン認識装置におい
ては、パターン入力から認識処理後の誤認識結果の修正
まで含めた作業の効率化が求められてきており、これに
応えるために認識処理の高速化や高精度化が必要である
が、これを実現するためには１つの認識方式による認識
処理では難しくなってきている。

【００１１】そこで、複数の認識方式を統合化して用い
るパターン認識手法が種々考えられている。すなわち、
各認識方式にはそれぞれ長所短所があるので、統合化方
式により認識方式を使い分けることによって、各々の認
識方式の長所を活かした優れた認識処理を実現すること
が期待できる。

【００１２】この複数の認識方式を用いるパターン認識
手法において辞書学習を行う際、従来は、不正解パター
ンやリジェクトパターンに対して全ての認識方式の辞書
を対象としてそれぞれ学習していた。

【００１３】ところが、複数の認識方式のうちのあるも
のは、上記に例示したような辞書学習を例えば他のカテ
ゴリとの間に曖昧性の高いパターンに対して行うなどし
たことによって、かえって辞書のバランスが崩れ、今ま
で正解していたパターンが不正解になってしまうことが
ある。そして、このような学習による弊害により、各々
の認識方式の長所を十分活かすことができるような辞書
学習の実現が難しく、複数の認識方式を用いたパターン
認識手法全体としての認識性能を十分引き出すことがで
きなかった。

【００１４】

【発明が解決しようとする課題】以上のように、従来、
複数の認識方式を用いるパターン認識手法のための辞書
学習として、複数の認識方式それぞれの特性を活かすよ
うに辞書学習可能な学習方法が存在しなかった。

【００１５】本発明は、上記事情を考慮してなされたも
ので、複数の認識方式を用いるパターン認識処理におけ
る辞書学習において、学習による弊害を最小限に抑え、
各々の認識方式の長所を活かすようにしたパターン認識
学習方法、パターン認識作成方法、パターン認識辞書学
習装置、パターン認識辞書作成装置、パターン認識方法
及びパターン認識装置を提供することを目的とする。

【００１６】

【課題を解決するための手段】最初に語句の定義を行
う。学習基準とは、第１位候補の類似度や第１位候補の
カテゴリや第１位候補と第２位候補の類似度の差のよう
な認識結果から一定のアルゴリズムで演繹することがで
きるパラメータをいう。学習指針とは、学習基準に対す
る条件によって、学習する辞書や学習方法を決定するア
ルゴリズムである。

【００１７】本発明（請求項１）は、複数の認識方式を
用いるパターン認識処理における認識辞書を学習するパ
ターン認識辞書学習方法であって、入力パターンに対す
る各認識方式の認識結果に少なくとも基づいて定められ
た学習基準に従って、前記認識辞書を学習することを特
徴とする。

【００１８】本発明（請求項２）は、複数の認識方式を
用いるパターン認識処理における認識辞書を学習するパ
ターン認識辞書学習方法であって、入力パターンに対す
るパターン認識処理を実行し、このパターン認識処理の
認識結果および各認識方式の認識結果に少なくとも基づ
いて前記認識辞書の学習基準を定め、定められた前記学
習基準に従って、前記認識辞書を学習することを特徴と
する。

【００１９】好ましくは、前記パターン認識処理におけ
る前記複数の認識方式の統合化方式に従属した学習指針
を定めるようにしてもよい。好ましくは、前記学習基準
は、学習指針を定めるものであって、その学習指針によ
って学習を行うようにしてもよい。

【００２０】好ましくは、前記学習基準は、認識方式に
おける認識候補と正解候補の類似度の差、正解候補の類
似度、認識候補の類似度、認識候補カテゴリ、正解候補
カテゴリおよび正解候補の候補順位のうち少なくとも１
つを含むものであってもよい。

【００２１】好ましくは、前記学習基準は、認識辞書を
学習すべき認識方式と学習方法を定めるものであっても
よい。本発明（請求項６）は、複数の認識方式を用いる
パターン認識処理における認識辞書を、初期的な認識辞
書を学習することにより作成するパターン認識辞書作成
方法であって、入力パターンに対する各認識方式の認識
結果に少なくとも基づいて定められた学習基準に従っ
て、前記認識辞書を学習することを特徴とする。

【００２２】本発明（請求項７）は、複数の認識方式を
用いるパターン認識処理における認識辞書を、初期的な
認識辞書を学習することにより作成するパターン認識辞
書作成方法であって、入力パターンに対するパターン認
識処理を実行し、このパターン認識処理の認識結果およ
び各認識方式の認識結果に少なくとも基づいて前記認識
辞書の学習基準を定め、定められた前記学習基準に従っ
て、前記認識辞書を学習することを特徴とする。

【００２３】好ましくは、前記パターン認識処理におけ
る前記複数の認識方式の統合化方式に従属した学習指針
を定めるようにしてもよい。好ましくは、前記学習基準
は、学習指針を定めるものであって、その学習指針によ
って学習を行うようにしてもよい。

【００２４】好ましくは、前記学習基準は、認識方式に
おける認識候補と正解候補の類似度の差、正解候補の類
似度、認識候補の類似度、認識候補カテゴリ、正解候補
カテゴリおよび正解候補の候補順位のうち少なくとも１
つを含むものであってもよい。

【００２５】好ましくは、前記学習基準は、認識辞書を
学習すべき認識方式と学習方法を定めるものであっても
よい。本発明（請求項１１）に係るパターン認識辞書学
習装置は、複数の認識方式を用いてパターン認識処理を
行うパターン認識手段と、前記複数の認識方式それぞれ
の認識辞書を格納するための辞書格納手段と、入力パタ
ーンに対する各認識方式の認識結果に少なくとも基づい
て定められた学習基準に従って、前記認識辞書を学習す
る学習手段とを特徴とする。

【００２６】本発明（請求項１１）に係るパターン認識
辞書作成装置は、複数の認識方式を用いてパターン認識
処理を行うパターン認識手段と、前記複数の認識方式そ
れぞれの認識辞書を格納するための辞書格納手段と、前
記辞書格納手段に格納される初期的な認識辞書を作成す
る初期辞書作成手段と、前記認識辞書を学習する学習手
段と、入力パターンに対する各認識方式の認識結果に少
なくとも基づいて定められた学習基準に従って、前記認
識辞書を学習する学習手段とを特徴とする。

【００２７】本発明（請求項１３）は、コンピュータ
に、複数の認識方式を用いた所定のパターン認識処理に
よる入力パターンに対する認識処理を実行させ、このパ
ターン認識処理で実行された各認識方式の認識結果に少
なくとも基づいて前記認識辞書の学習基準を定めさせ、
定められた前記学習基準に従って前記認識辞書を学習さ
せるためのプログラムを記録したコンピュータ読取り可
能な記録媒体を要旨とする。

【００２８】本発明（請求項１４）は、コンピュータ
に、複数の認識方式を用いた所定のパターン認識処理に
よる入力パターンに対する認識処理を実行させ、このパ
ターン認識処理で実行された各認識方式の認識結果に少
なくとも基づいて前記認識辞書の学習基準を定めさせ、
この学習基準により定められる認識辞書を学習すべき認
識方式と学習方法に従って前記認識辞書を学習させるた
めのプログラムを記録したコンピュータ読取り可能な記
録媒体を要旨とする。

【００２９】本発明（請求項１５）は、複数の認識方式
を用いるパターン認識方法であって、請求項１ないし５
のいずれか１項に記載のパターン認識辞書学習方法によ
って学習された認識辞書を少なくとも用いて、入力され
たパターンを認識することを特徴とする。

【００３０】本発明（請求項１６）は、複数の認識方式
を用いるパターン認識方法であって、請求項６ないし１
０のいずれか１項に記載のパターン認識辞書作成方法に
よって作成された認識辞書を少なくとも用いて、入力さ
れたパターンを認識することを特徴とする。

【００３１】本発明（請求項１７）は、複数の認識方式
を用いるパターン認識装置であって、請求項１ないし５
のいずれか１項に記載のパターン認識辞書学習方法によ
って学習された認識辞書を格納した辞書格納手段と、入
力されたパターンを、少なくとも前記認識辞書を用いて
認識するパターン認識手段とを備えたことを特徴とす
る。

【００３２】本発明（請求項１８）は、複数の認識方式
を用いるパターン認識装置であって、請求項６ないし１
０のいずれか１項に記載のパターン認識辞書作成方法に
よって作成された認識辞書を格納した辞書格納手段と、
入力されたパターンを、少なくとも前記認識辞書を用い
て認識するパターン認識手段とを備えたことを特徴とす
る。

【００３３】本発明によれば、複数の認識方式を統合し
１つの認識結果を出すようなパターン認識処理における
認識辞書学習において、学習に関する弊害を最小限に抑
え、各認識方式の長所を活かす適切な方向に各認識辞書
を学習していくことができる。

【００３４】また、このようにして学習／作成された認
識辞書により、各認識方式の長所を活かした高精度なパ
ターン認識処理を実現することができる。なお、装置に
係る本発明は方法に係る発明としても成立し、方法に係
る本発明は装置に係る発明としても成立する。

【００３５】また、装置または方法に係る本発明は、コ
ンピュータに当該発明に相当する手順を実行させるため
の（あるいはコンピュータを当該発明に相当する手段と
して機能させるための、あるいはコンピュータに当該発
明に相当する機能を実現させるための）プログラムを記
録したコンピュータ読取り可能な記録媒体としても成立
する。

【００３６】

【発明の実施の形態】以下、図面を参照しながら発明の
実施の形態を説明する。図１に、本発明の一実施形態に
係るパターン認識辞書作成装置の基本構成を示す。

【００３７】本パターン認識辞書作成装置は、パターン
入力部２、初期辞書作成部４、辞書変更部１０、認識処
理部８、辞書データ格納部６を備えている。パターン入
力部２は、学習用パターンデータを入力するためのもの
である。

【００３８】なお、パターン入力部２は、文字認識の場
合には、文字をイメージセンサなどの光電変換素子を用
いて光学的に読取ってデジタル化し、音声認識の場合に
は、音声をマイクロホンなどの電気音響変換素子を用い
て電気信号に変換した後にＡ／Ｄ変換してデジタル化す
る。

【００３９】辞書データ格納部６は、辞書データを格納
するためのものである。認識処理部８は、辞書を用い
て、入力されたパターンの認識を行う。ここで、本実施
形態では、認識処理部８は、複数の互いに相違する認識
方式を持ち、複数の認識方式に基づいた認識結果を出力
するものである。したがって、辞書データ格納部６に
は、複数の認識方式のそれぞれに対応した辞書が格納さ
れる。

【００４０】複数の認識方式により認識処理には、種々
の形態があるが、大きく分けて２種類あり、並列型と直
列型である。並列型は、各認識方式による個別の認識結
果を統合して最終的な認識結果を得るものであり、簡単
な例としては最も多くの認識方式が第１位候補としたカ
テゴリを認識結果とするものである。

【００４１】直列型は、予め複数の認識方式の実行順序
を定めておくもので、例えば、（１）各認識方式が１つ
の認識結果とそのアクセプト／リジェクトを出力し、実
行の順に従って、認識方式がリジェクトをした場合に、
次の認識方式に移り、最初にアクセプトした認識方式の
第１位候補を認識結果とするもの、（２）上記の（１）
において、ある認識方式のいくつかの上位候補のみを、
次の認識方式の認識候補とする認識方式が含まれるもの
などがある。

【００４２】なお、直列型には、少なくとも１つの段階
が上記の並列型または直列型になっているものも考えら
れる。辞書変更部１０は、詳しくは後述するが、学習用
パターンとこの学習用パターン学習に対する認識結果に
基づいて、辞書の学習を行い、辞書の内容を変更する。
また、認識処理部８における認識処理や複数の認識方式
それぞれのアルゴリズムに応じた学習を行う。

【００４３】初期辞書作成部４は、初期辞書作成アルゴ
リズムを用いて、入力された初期辞書作成用パターン・
セットをもとに、初期的な辞書データ（初期辞書）を作
成する。初期辞書は、各認識方式ごとに作成される。初
期辞書作成用パターン・セットは、例えば、辞書に登録
するカテゴリ（例えば文字）ごとに、いくつかの標準パ
ターンを用意したものである。初期辞書作成アルゴリズ
ムとしては種々の方法が知られているが、最も簡単な方
法は各標準パターンから得た特徴ベクトルの平均を初期
辞書データとするものである。

【００４４】なお、外部から初期辞書もしくは学習され
た辞書を辞書データ格納部６に格納して学習もしくは再
学習することを前提とする場合には、初期辞書作成部４
は設けなくても構わない。

【００４５】以上のような構成において、辞書学習を行
う場合、まず、上記パターン・セットから初期辞書を作
成して辞書データ格納部６に格納するか、外部から初期
辞書もしくは学習された辞書を読み込んで辞書データ格
納部６に格納する。

【００４６】次に、初期辞書または学習途中の辞書を用
いて学習させたいパターンに対する認識処理を行い、そ
の結果と学習パターンに基づいて学習処理を行い認識辞
書を更新する。この辞書学習／更新を適宜繰り返すこと
により、辞書の学習、改良を行う。

【００４７】なお、この繰り返しの終了条件としては、
例えば、全学習パターンに対する学習を１ラウンドとし
て、予め規定した回数のラウンドを行う方法、予め規定
したラウンド回数を上限として、所定の評価パラメータ
が一定基準を満たす（例えば、正読率＞基準値および／
またはリジェクト率＜基準値および／または誤読率＜基
準値）ようになるまで行う方法など、種々の方法が考え
られる。

【００４８】なお、本パターン認識辞書作成装置は、パ
ターン認識辞書学習装置としても機能することは言うま
でもない。図２に、本発明の一実施形態に係るパターン
認識装置の基本構成を示す。

【００４９】本パターン認識装置は、パターン入力部１
２、認識処理部１６、辞書データ格納部１４、認識結果
出力部１８を備えている。これらパターン入力部１２、
認識処理部１６、辞書データ格納部１４は、それぞれ、
図１のパターン入力部２、認識処理部８、辞書データ格
納部６と同様である。

【００５０】認識結果出力部１８は、認識結果を出力す
る。図２において、まず、辞書データ格納部１４に、図
１のパターン認識辞書作成装置により作成もしくは改良
された辞書を格納する。

【００５１】そして、認識処理部１６は、この辞書を用
いて、入力されたパターンの認識を行う。なお、図１の
構成に図２の認識結果出力部１８を付加して、辞書学習
機能あるいは辞書作成機能を有するパターン認識装置を
構成してもよい。

【００５２】以下では、図１のような基本構成を有する
パターン認識辞書作成装置における、辞書学習に関する
いくつかの実施形態について説明する。なお、以下の各
実施形態において、入力パターンは図１のパターン入力
部２から入力され、認識処理は図１の認識処理部８にお
いて実行され、学習処理は図１の辞書変更部１０におい
て実行され、各認識方式の認識辞書は図１の辞書データ
格納部６に格納されるものとする。

【００５３】（第１の実施形態）本実施形態は、複数の
認識方式を使ってそれを統合することによって１つの認
識結果を出力する認識処理において、入力パターンに対
する各認識方式における認識結果から得られる一定の基
準に従って辞書学習を行う例を示す。

【００５４】ここでは、複数の認識方式を用いる並列型
認識処理として、複数の認識方式によれそれぞれ得られ
た第１位候補がすべて同一でない場合すなわち複数種類
ある場合に、それらの候補のうちから多数決によって１
つを選択しこれを認識結果と決定する並列型認識処理を
用いるものとする。ただし、ここでは、最終的な認識結
果をアクセプトするために過半数の認識方式で第１位候
補となっている必要はないものとする。また、２以上の
候補カテゴリが同数の認識方式で第１位候補となった場
合には、他の基準を用いてさらに候補を絞るものとす
る。

【００５５】本実施形態では、このような認識処理にお
いてある学習パターンに対して不正解が起こった場合
に、以下のような学習基準と学習指針に基づいて学習を
行う。本認識処理における認識方式の総数をｎ、ｎ個の
認識方式のうちで第１位候補が正解であった認識方式の
数をｍとする。また、全体の認識結果（ここでは不正
解）となった候補カテゴリを第１位候補とした認識方式
の数をｋとする。

【００５６】このとき、ｎ−ｍ個の（第１位候補が）不
正解になった認識方式のうち、第１位候補と正解候補の
類似度の差が小さいものから順にｋ−ｍ＋１個の認識方
式を選択し、この選択されたｋ−ｍ＋１個の認識方式に
対して認識辞書学習をそれぞれ行うものとする。

【００５７】このｋ−ｍ＋１個の認識方式に対する各々
の認識辞書学習では、当該学習パターンに対する第１位
候補が正解となるように、学習を行う。なお、ｋ−ｍ＋
１は、どのような条件であっても上記の多数決を確実に
逆転させて、正解候補を最終的な認識結果とすることが
できる、最も小さい値になっている。

【００５８】このようにすることにより、当該パターン
を認識するのに適した（もしくは認識しやすい）認識方
式の認識辞書のみに学習をさせ、他の認識方式について
は学習させないようにしながら、当該入力パターンに対
し正解候補が第１位候補となるように学習することが可
能になる。すなわち、このことにより、学習による弊害
を避け、統合化の良さを活かした辞書学習を実現でき
る。

【００５９】さらに、各認識方式の辞書を学習するにあ
たって、学習する認識方式の認識結果から、例えば第１
位候補と正解候補の類似度の差によって学習の重み係数
αを変えるなどの処理を行うことができる。このとき、
類似度の差が大きい認識方式ほど大きな学習係数で学習
するのが望ましい。このようにした場合、正解認識でき
なかった認識方式のうち認識しやすい認識方式について
はゆっくりと弊害がないように、認識しにくかった認識
方式については半ば強制的にそのパターンを認識させる
ことができる。

【００６０】図３に、本実施形態における学習アルゴリ
ズムの一例を示す。まず、ある学習パターンを入力し
（ステップＳ１）、入力されたこの学習パターンに対し
て複数の認識方式でそれぞれ認識処理を行い、各認識方
式における認識結果に基づいて最終的な認識結果（認識
カテゴリ）を得る（ステップＳ２）。

【００６１】この認識カテゴリが正解である場合（ステ
ップＳ３）、次のパターンがあれば次の学習に移り、全
パターンについて学習が済めば、処理を終了する（ステ
ップＳ４）。

【００６２】一方、ステップＳ２で得た認識結果が不正
解である場合（ステップＳ３）、第１位候補が正解とな
っている認識方式の数ｍと、上記の最終的な認識結果が
第１位候補となっている認識方式の数ｋを求める（ステ
ップＳ５，Ｓ６）。

【００６３】次に、第１位候補が不正解であった認識方
式のうち、第１位候補と正解候補の類似度の差が小さい
認識方式をｋ−ｍ＋１個ピックアップする（ステップＳ
７）。このｋ−ｍ＋１の認識方式をＳ₁ ，…，Ｓ
_(k-m)+1 とする。

【００６４】次に、認識方式Ｓ₁ ，…，Ｓ_(k-m)+1 に対
してそれぞれ、入力パターンの辞書学習を行う（ステッ
プＳ８）。これで１つの学習パターンに対する学習が行
われたことになる。

【００６５】さらに、次のパターンがあれば次の学習に
移り、全パターンについて学習が済めば、処理を終了す
る（ステップＳ９）。なお、前述したように、図３の手
順を１ラウンドとして、複数ラウンドの学習処理を行う
ようにしてもよい。また、予め規定したラウンド回数を
上限として、当該並列型認識処理全体としての正読率等
が一定基準を満たすようになるまで処理を行うようにし
てもよい。

【００６６】ところで、上記では、（第１位候補が）不
正解になったｎ−ｍ個の認識方式のうち、第１位候補と
正解候補の類似度の差が小さいものから順にｋ−ｍ＋１
個の認識方式を選択したが、選択する個数としてもう少
し大きい数あるいはもう少し小さい数を用いても構わな
い。

【００６７】また、認識結果をアクセプトするために過
半数の認識方式で第１位候補となっている必要があるよ
うな並列型認識処理の場合には、（第１位候補が）不正
解になったｎ−ｍ個の認識方式のうち、第１位候補と正
解候補の類似度の差が小さいものから順に［ｎ／２］＋
１−ｍ個の認識方式を選択するようにしてもよい。ここ
で、［ｘ］はｘの整数部を表すものとする。

【００６８】また、上記では多数決による認識処理につ
いて示したが、多数決による認識処理以外の並列型認識
処理の場合にも、複数の認識方式の統合のさせ方に応じ
て、学習すべき認識方式を選択するようすることが可能
である。

【００６９】なお、上記の説明では、第１位候補と正解
候補の類似度の差が小さいものから順に学習すべき認識
方式を選択したが、第１位候補の確信度が小さいものか
ら順に認識方式を選択するようにしてもよい。また、正
解候補の確信度を求める手段を持つ場合には、正解候補
の確信度の高いものから順に認識方式を選択するように
してもよい。

【００７０】（第２の実施形態）本実施形態では、各認
識方式の認識率を基に定められた順番に認識する統合化
方式に本発明を適用する場合について説明する。

【００７１】図４に、統合化方式のアルゴリズムの一例
を示す。図４に示す統合化方式ではＮ個の認識方式を直
列に統合化する処理を考えている。

【００７２】パターンが入力されると（ステップＳ１
１）、第１の認識方式で認識処理し（ステップＳ１２，
Ｓ１３）、その認識結果（第１位候補）から認識結果の
確信度を求め、求められた確信度が予め定められた基準
以上か否かを判定する（ステップＳ１４）。

【００７３】確信度が上記条件を満たすと判定された場
合（ステップＳ１４）、その認識結果を全体の認識結果
としてアクセプトし、出力する（ステップＳ１５）。確
信度が上記条件を満たさないと判定された場合（ステッ
プＳ１４）、次の第２の認識方式による認識処理を行い
（ステップＳ１６，Ｓ１７，Ｓ１３）、その認識結果か
ら認識結果の確信度を求め、その確信度が予め定められ
た基準以上か否かを判定する（ステップＳ１４）。

【００７４】もし、ここで上記条件が満たされれば（ス
テップＳ１４）、その結果を全体の認識結果としてアク
セプトし、出力する（ステップＳ１５）。出力された認
識結果は正解の場合と不正解の場合がある。

【００７５】もし、ここでも上記条件が満たされなけれ
ば、第３の認識方式以降について同様の処理を繰り返し
行い、最終の認識方式である第Ｎの認識方式でも認識さ
れない場合には（ステップＳ１４，Ｓ１６，Ｓ１７）、
認識結果をリジェクトする（ステップＳ１８）。

【００７６】ここで、認識結果から確信度を求める方法
としては、種々の方法があるが、例えば認識カテゴリ毎
の事前確率を用いる方法がある。これは、各カテゴリご
との正読率をあらかじめシミュレーションで算出してお
き、その正読率を確信度として利用するというものであ
る。また、他にもより信頼性の高い確信度の計算方法が
あり、例えば特開平９−１５３１１３号公報などに詳し
く開示されている。

【００７７】さて、図４に示したような統合化方式の本
質的な特徴すなわち（ａ）最初にアクセプトとなった認
識方式の第１位候補が正解ならば認識処理全体の結果が
正解となり、不正解ならば認識処理全体の結果が不正解
となる（言い換えると、最初にアクセプトとなった認識
方式より前のすべての認識方式の結果はリジェクト（第
１位候補の確信度が基準に達していない）であり、最初
にアクセプトとなった認識方式より後のすべての認識方
式は実行されない）、（ｂ）すべての認識方式において
リジェクトとなった場合にかぎり、認識処理全体の結果
がリジェクトとなる、を考慮すると、本統合化方式にお
ける不正解パターンやリジェクトパターンに対する辞書
学習としては、次に示すようにいくつかの基本的なもの
が考えられる。（１）途中の認識方式でアクセプトされ、不正解となっ
たパターンを、その認識方式で正解もしくはリジェクト
にするように学習すること。（２）途中の認識方式でアクセプトされ、不正解となっ
たパターンをそれ以前に正しく認識していた認識方式に
おいて基準以上の確信度を与えるように学習すること。（３）最終的に（すなわち全ての認識方式で）リジェク
トされてしまったパターンをそのパターンを正しく認識
していた認識方式において基準以上の確信度が与えられ
るように学習すること。

【００７８】このような考え方に基づいた種々の学習ア
ルゴリズムが考えられる。図５に、本実施形態における
学習アルゴリズムの一例を示す。このアルゴリズムは入
力パターンに対して図４の統合化方式を用いた認識処理
を行い、その結果が不正解もしくはリジェクトであった
場合に、後に例示するような学習基準と学習指針に基づ
いて学習を行うものである。

【００７９】まず、ある学習パターンを入力し（ステッ
プＳ２１）、入力されたこの学習パターンに対して図４
の統合化方式で認識処理を行う（ステップＳ２２）。こ
の認識結果が正解である場合（ステップＳ２３）、次の
パターンがあれば次の学習に移り、全パターンについて
学習が済めば、処理を終了する（ステップＳ２４）。

【００８０】ステップＳ２２で得た認識結果がリジェク
トである場合（ステップＳ２３，Ｓ２５）、リジェクト
パターンの学習を行い（ステップＳ２６）、不正解であ
る場合（ステップＳ２３，Ｓ２５）、不正解パターンの
学習を行う（ステップＳ２７）。

【００８１】これで１つの学習パターンに対する１回の
学習が行われたことになる。さらに、次のパターンがあ
れば次の学習に移り、全パターンについて学習が済め
ば、処理を終了する（ステップＳ２８）。

【００８２】なお、前述したように、図５の手順を１ラ
ウンドとして、複数ラウンドの学習処理を行うようにし
てもよい。また、予め規定したラウンド回数を上限とし
て、当該直列型認識処理全体としての正読率等が一定基
準を満たすようになるまで処理を行うようにしてもよ
い。

【００８３】次に、図６に、リジェクトパターンの辞書
学習処理のアルゴリズムの一例を示す。図４の統合化方
式によればリジェクトパターンはＮ種類の認識方式全て
においてリジェクトになったパターンである。そこで、
この処理手順では、いずれかの認識方式で正解候補がア
クセプトされるように学習する。

【００８４】まず、Ｎ種類の認識方式のうちで第１位候
補が正解となっているものがあれば（ステップＳ３
１）、そのうち確信度が最も高い認識方式の辞書を学習
する（ステップＳ３３）。このように最も確信度の高い
認識方式の辞書を学習させることにより、辞書学習によ
る弊害を極力減らし、未知のパターンに強い辞書学習が
実現される。

【００８５】また、同様の趣旨で、第１位候補が正解と
なっている認識方式が存在しない場合、正解候補が最も
上位に来ている認識方式の辞書学習を行う（ステップＳ
３１，Ｓ３２）。このような認識方式が２つ以上あった
場合は第１位候補の確信度が最も小さい認識方式の辞書
を学習する。

【００８６】もちろん、第１位候補が正解となる認識方
式が存在しない場合において、正解候補の確信度を計算
できるならば、上記の代わりに正解候補の確信度を用い
ることにより（例えば正解候補の確信度が最も大きい認
識方式を選択する）、図６の候補順位による学習辞書決
定方法よりも安定的で普遍的な辞書学習を実現すること
ができる。

【００８７】次に、図７に、認識結果が不正解であった
場合の辞書学習アルゴリズムの一例を示す。ここでは、
第ｉ方式でアクセプトされ不正解となったものとする。

【００８８】ｉ＝１の場合、他に選択肢はなく第１番目
の認識方式の辞書を学習して、処理を終了する（ステッ
プＳ４１，Ｓ４２）。そうでない場合は、２つの辞書を
学習する。この２つの辞書は、アクセプトされた第１位
候補が不正解となった第ｉ番目の認識方式の辞書と、第
１番目〜第ｉ−１番目までの認識方式のなかで最も当該
パターンを認識できそうな認識方式の辞書である。前者
は当該パターンを少なくともリジェクト（うまくすれば
正解）させるための学習で、後者は当該パターンを正解
させるためのものである。

【００８９】あるパターンを少なくともリジェクト（う
まくすれば正解）させるように学習するためには、例え
ば、学習の重み係数αを小さくして学習する方法があ
る。この場合、誤読パターンをすぐに正解にすることは
できないが、ゆっくりと弊害がないように学習させるこ
とができる。

【００９０】まず、第ｉ番目の認識方式の辞書を学習す
る（ステップＳ４１）。これは不正解をリジェクトもし
くは正解にするためである。さらに、第１番目〜第ｉ−
１番目までの認識方式のうち第１位候補が正解となって
いる認識方式のうち最も確信度が高い認識方式の辞書を
学習する（ステップＳ４２〜Ｓ４４）。

【００９１】また、第１位候補が正解となっている認識
方式がない場合は、正解候補が最も上位に来ている認識
方式の辞書を学習する（ステップＳ４２，Ｓ４３，Ｓ４
５）。このとき正解候補が最も上位に来ている認識方式
が複数あった場合には、第１位候補の確信度が最も小さ
い認識方式の辞書を学習する。この学習の趣旨はリジェ
クトパターンの学習の趣旨と同様である。

【００９２】もちろん、前述と同様に、第１位候補が正
解となる認識方式が存在しない場合において、正解候補
の確信度を計算できるならば、上記の代わりに正解候補
の確信度を用いることにより（例えば正解候補の確信度
が最も大きい認識方式を選択する）、図７の候補順位に
よる学習辞書決定方法よりも安定的で普遍的な辞書学習
を実現することができる。

【００９３】なお、不正解パターンの学習の結果、全て
の認識方式でリジェクトになる場合があるが、このよう
な場合にも、その後、例えば異なるパターンで図４の学
習が実行された結果、いずれかの認識方式で正解がアク
セプトになることもある。たとえそうでなくても、また
同じパターンで図５の学習を再度実行すれば、リジェク
トパターンの学習を行うことができる。

【００９４】次に、図８に、認識結果が不正解であった
場合の辞書学習アルゴリズムの他の例を示す。上記した
不正解パターンの学習アルゴリズムでは、入力パターン
に関して２つの辞書（ただし、ｉ＝１の場合のみ１つの
辞書）に学習を行ったが、１つの辞書のみ学習する方式
で不正解パターンの学習を行うこともできる。このよう
にすることによって、特に曖昧性の高いパターンなどを
学習する際、学習による悪影響を最小限にして当該パタ
ーンを正しく認識できる認識系を構成することができ
る。

【００９５】図８に示されるように、まず、第１番目の
認識方式で不正解となった場合は、第１番目の認識方式
の辞書を学習して、処理を終了する（ステップＳ５１，
Ｓ５２）。

【００９６】そうでない場合は（ステップＳ５１，Ｓ５
３）、不正解となった認識方式が第ｉ番目の認識方式で
あるとすると、第１番目〜第ｉ−１番目までの認識方式
のうちに正解を第１位候補とする認識方式があるならば
（ステップＳ５５）、それらの認識方式のうち最も確信
度が高い認識方式の辞書を学習させる（ステップＳ５
６）。これは本実施形態の統合化方式の性質上、第ｉ番
目の認識方式で不正解となった場合にはそれ以前の認識
方式（第１番目〜第ｉ−１番目までの認識方式）ではリ
ジェクトになっていることによる。

【００９７】正解を第１位候補としているのにリジェク
トになっている認識方式があれば、その認識方式に当該
パターンを学習させ、正解としてアクセプトさせるよう
にするのが学習による弊害を少なくするという観点で最
適と考えられる。

【００９８】また、第１番目〜第ｉ番目までの認識方式
のうちに正解を第１位候補とする認識方式がない場合に
は（ステップＳ５３）、第ｉ番目の認識方式の辞書に学
習を行い、当該パターンを少なくともリジェクトさせる
方向で学習し（ステップＳ５４）、正解認識は第ｉ＋１
番目以降の認識方式にまかせるようにする。

【００９９】（第３の実施形態）本実施形態は、第２の
実施形態と同じＮ種類の認識方式の統合化方式における
辞書学習に関するものである。

【０１００】本実施形態は、不正解の場合の学習アルゴ
リズムのみ第２の実施形態と相違し、他の部分は同様で
あるので、以下では、この相違点についてのみ説明す
る。さて、第２の実施形態における不正解の場合の学習
では、統合化方式によって第１番目〜第ｉ番目までの認
識方式だけで認識処理することとなり、第ｉ＋１番目以
降の認識方式については考慮されなかったが、本実施形
態は、第ｉ番目の認識方式で不正解パターンとなった場
合にも第ｉ＋１番目以降の認識方式をも考慮するように
したものである。

【０１０１】図９に、本実施形態における不正解パター
ンの辞書学習処理のアルゴリズムの一例を示す。まず、
第１番目の認識方式で不正解となったかどうかを判定す
る（ステップＳ６１）。

【０１０２】第１番目の認識方式で不正解となっていた
場合は、無条件で第１番目の認識方式の辞書を学習し、
処理を終了する（ステップＳ６２）。そうでない場合、
第１番目〜第ｉ−１番目までの認識方式のうち正解を第
１位候補としているものがあるか否かチェックする（ス
テップＳ６３）。もし、そのような認識方式が存在すれ
ば、それらのうちで最も確信度の高い認識方式を見出し
その辞書を学習する（ステップＳ６４，Ｓ６５）。

【０１０３】ここでは、統合化方式の性質上、不正解と
なる認識方式（ここでは第ｉ番目の認識方式）の認識処
理に入る以前で、正解を第１位候補とする認識方式をア
クセプトしてしまえば、当該パターンは正解となるの
で、このようなアルゴリズムをとっている。

【０１０４】実際、不正解となる認識方式は正解を第１
位候補にしていないことから、当該パターンを認識する
のに不向きであると考えられる。そこで、そのような認
識方式以前の序列の認識方式のうちで最も認識しやすい
認識方式に先に認識させてしまおうとするものである。

【０１０５】もっとも、たとえ正解が第１位候補になっ
ていなくとも、正解候補の確信度が高く、学習の効果が
現れやすい場合もある。このような場合のために、第１
番目〜第ｉ番目までの認識方式のうちから学習すべき辞
書を選ぶ指針を、正解候補の確信度の最も高いものとす
ることもできる。

【０１０６】次に、第１番目〜第ｉ−１番目までの認識
方式のうちに正解を第１位候補とするものがない場合
（ステップＳ６３）、ｉ＝Ｎであれば第Ｎ番目の認識方
式の辞書を学習し、処理を終了する（ステップＳ６６，
Ｓ６７）。

【０１０７】なお、図９のフローチャートには示されて
いないが、ここでも第Ｎ番目の認識方式を除くＮ−１種
類の認識方式のうちで正解候補の確信度が最も高い認識
方式の辞書をも併せて学習するようにしてもよい。

【０１０８】次に、ステップＳ６６においてｉ＜Ｎであ
れば、第ｉ＋１番目〜第Ｎ番目の認識方式までの認識処
理を行い（ステップＳ６８）、第ｉ＋１番目〜第Ｎ番目
の認識方式のうちで正解を第１位候補としている認識方
式があるかをチェックし、そのような認識方式がある場
合には（ステップＳ６９）、それらのうちで最も確信度
の高い認識方式（第ｊ番目の認識方式とする）を見出し
（ステップＳ７１）、第ｉ番目の認識方式の辞書および
第ｊ番目の認識方式の辞書をそれぞれ学習する（ステッ
プＳ７２）。

【０１０９】これは、まず不正解となってしまった第ｉ
番目の認識方式の辞書を学習して、当該パターンを少な
くともリジェクトにし、それ以降の序列の認識方式で正
解にできるように、最も正解しやすい認識方式を上記の
確信度から判断する方法で探し求め、求められたその第
ｊ番目の認識方式の辞書に（正解候補がアクセプトされ
るように）学習させるものである。

【０１１０】もっとも、ここで選ばれた第ｊ番目の認識
方式が、学習しなくとも既に当該パターンをアクセプト
するような方式であれば学習するには及ばない。したが
って、当該認識方式が正解候補をアクセプトするか否か
のチェックを学習に先だって（例えばステップＳ６９に
おいて）行い、当該認識方式が正解候補をアクセプトす
ると判断された場合には、ステップ７２において第ｉ番
目の認識方式の辞書についてのみ学習するようにしても
よい。

【０１１１】次に、ステップＳ６９において第ｉ＋１番
目〜第Ｎ番目までの認識方式のうちに正解を第１位候補
とする認識方式がない場合、不正解となった第ｉ番目の
認識方式のみを学習する（ステップＳ７０）。この場合
にも、前述と同様に、第１番目〜第ｉ−１番目までの認
識方式のうち正解候補の確信度が最大の認識方式の辞書
も併せて学習するようにしてもよい。

【０１１２】（第４の実施形態）本実施形態は、第２の
実施形態および第３の実施形態と同様の統合化方式を用
い、さらに統合化方式に依存した学習方法を提供するも
のである。

【０１１３】本実施形態は、不正解の場合の学習アルゴ
リズムのみ第２および第３の実施形態と相違し、他の部
分は同様であるので、以下では、この相違点についての
み説明する。

【０１１４】図１０に、本実施形態における不正解パタ
ーンの辞書学習処理のアルゴリズムの一例を示す。本実
施形態の処理手順は、第３の実施形態の処理手順におい
て、第１番目〜第ｉ−１番目までの認識方式のうちに正
解を第１位候補としているものがない場合（図９のステ
ップＳ６３）で、かつ、不正解となった認識方式が最後
の序列の認識方式でない（すなわちｉ＜Ｎである）場合
（図９のステップＳ６３）の処理内容のみが相違してい
る。

【０１１５】すなわち、本実施形態は、上記の場合にお
いて、第ｉ番目の認識方式（不正解となった認識方式）
での認識結果をリジェクトにする方針で学習させ、さら
に第ｉ＋１番目以降の認識処理において統合化のアルゴ
リズムにそって正解をアクセプトさせる方針で学習する
ようにしたものである。

【０１１６】図１０のステップＳ８１〜Ｓ８７は、図９
のステップＳ６１〜Ｓ６７とそれぞれ同じであるので、
以下では、図１０のステップＳ８６でＮＯとなった場
合、すなわちステップＳ８８〜Ｓ９７の処理についての
み説明する。

【０１１７】ステップＳ８６でＮＯとなった場合、ま
ず、第ｉ番目の認識方式の認識辞書を学習する（ステッ
プＳ８８）。続いて、ｊ＝ｉ＋１とし（ステップＳ８
９）、第ｊ番目の認識方式による認識を実行し、その認
識結果を求める（ステップＳ９０）。

【０１１８】この結果がリジェクトであれば（ステップ
Ｓ９１）、第１位候補が正解かどうかをチェックし（ス
テップＳ９２）、正解であれば第ｊ番目の認識方式の辞
書を学習し（ステップＳ９３）、処理を終了する。

【０１１９】ステップＳ９２において正解でなければ、
この認識方式の第１位候補は不正解であるから、学習せ
ずに、ｊをｊ＝ｊ＋１により更新し（ステップＳ９
６）、次の認識方式に移る。

【０１２０】また、ステップＳ９１において、リジェク
トでなければ（すなわちアクセプトであれば）、第１位
候補が正解かどうかをチェックし（ステップＳ９４）、
正解であれば、学習するまでもなく当該認識方式で認識
できるので、この第ｊ番目の認識方式の辞書は学習せず
に処理を終了する。

【０１２１】しかし、アクセプトされた第１位候補が不
正解の場合、先の第ｉ番目の認識方式の辞書の学習の結
果、そこでリジェクトされるようになっても、この第ｊ
番目の認識方式で誤認識が起こるので、この認識方式の
辞書を少なくともリジェクトになるように学習する（ス
テップＳ９５）。そして、ｊをｊ＝ｊ＋１により更新し
（ステップＳ９６）、次の認識方式に移る。

【０１２２】以上のループ処理を、上記のステップＳ９
３の後にまたはステップＳ９４でＹＥＳとなって終了す
るか、ステップＳ９７でｊ＞Ｎとなるまで、ｊを１ずつ
増やしながら、繰り返し実行する。

【０１２３】（第５の実施形態）本実施形態は、複数の
認識方式を用いる直列型認識処理の例として、１つ前の
認識方式のいくつかの上位候補のみを、次の認識方式に
おける認識対象カテゴリとするような統合化方式に本発
明を適用する場合について説明する。

【０１２４】この統合化方式は、漢字など認識すべきパ
ターンの種類が多い文字セットの認識の場合に有効とな
るものである。図１１に、統合化方式のアルゴリズムの
一例を示す。

【０１２５】図１１に示す統合化方式では、一例とし
て、２個の認識方式を直列に統合化する場合について示
している。パターンが入力されると（ステップＳ１０
１）、まず、大分類と呼ばれる認識処理で、認識候補の
絞り込みを行う（ステップＳ１０２）。次に、その絞り
込んだ認識候補だけで認識処理を行い、詳細識別などと
呼ばれる最終的な認識を行う（ステップＳ１０３）。

【０１２６】このようにすることによって、例えば漢字
のように４０００カテゴリ余りもある文字セットを認識
する際、最初に、計算量のかからない認識方式を用い
て、入力パターンと全く類似しないカテゴリをはじき、
入力パターンに類似したカテゴリに絞り、本格的な（大
分類よりは計算量のかかる）認識処理を行うようにする
ことができ、これによって全体の計算量を大幅に削減す
ることができる。

【０１２７】このような認識処理において最終的な認識
結果が不正解となる原因は次の２つに大別される。（１）大分類で絞り込まれた認識候補に正解が含まれて
いない。（２）大分類で絞り込まれた認識候補には正解が含まれ
ていたが、詳細識別での認識が不正解となった。

【０１２８】この原因の違いによって学習方法を変える
必要がある。図１２に、本実施形態における学習アルゴ
リズムの一例を示す。ここでは、大分類による候補カテ
ゴリに正解カテゴリが含まれているか否かで学習させる
認識辞書を変えている。

【０１２９】まず、ある学習パターンを入力し（ステッ
プＳ１１１）、入力されたこの学習パターンに対して図
１１の第１番目の認識方式である大分類認識処理を行う
（ステップＳ１１２）。

【０１３０】ここで、大分類認識処理により得られた候
補カテゴリに正解カテゴリが含まれているかどうか調
べ、含まれていない場合には（ステップＳ１１３）、大
分類辞書を学習する（ステップＳ１１４）。

【０１３１】大分類認識処理により得られた候補カテゴ
リに正解カテゴリが含まれている場合には（ステップＳ
１１３）、続いて第２番目の認識方式である詳細識別処
理を行う（ステップＳ１１６）。

【０１３２】ここで、詳細識別処理により得られた最終
的な認識結果か調べ、正解でなければ（ステップＳ１１
７）、詳細識別辞書を学習する（ステップＳ１１８）。
もちろん、詳細識別処理により得られた最終的な認識結
果が正解であれば（ステップＳ１１７）、学習は不要で
ある。

【０１３３】これで１つの学習パターンに対する学習処
理が行われたことになる。さらに、ステップＳ１１５ま
たはステップＳ１１９で次のパターンがあれば次の学習
に移り、全パターンについて学習が済めば、処理を終了
する。

【０１３４】なお、前述したように、図１２の手順を１
ラウンドとして、複数ラウンドの学習処理を行うように
してもよい。また、予め規定したラウンド回数を上限と
して、当該直列型認識処理全体としての正読率等が一定
基準を満たすようになるまで処理を行うようにしてもよ
い。

【０１３５】なお、上記では、ステップＳ１１３で大分
類認識処理により得られた候補カテゴリに正解カテゴリ
が含まれているかどうかを判断したが、例えば、上記の
大分類の候補絞り込みが上位Ｎ位までの候補カテゴリと
規定されている場合に、正解候補がＮ／２位以内に入っ
ていないことを大分類辞書を学習する条件とするように
してもよい。このようにすれば、ぎりぎりで候補カテゴ
リに入っていたパターンも安定して候補カテゴリに含ま
れるようにすることができ有効である。

【０１３６】また、上記のような統合方式では、大分類
を何段階かに分けて行う場合もあるが、そのような場合
にも、各段階ごとに結果をチェックし、候補カテゴリか
ら洩れた（あるいは規定された順位までの上位候補から
洩れた）段階で当該辞書を学習することにすればよい。

【０１３７】また、詳細識別が複数の認識方式を統合化
したものである場合には、第１〜第４の実施形態で示し
たような方法で学習することができる。なお、以上の各
手順、手段、機能は、ソフトウェアとしても実現可能で
ある。また、コンピュータに上記各手順を実行させるた
めの（あるいはコンピュータを上記各手段として機能さ
せるための、あるいはコンピュータに上記各機能を実現
させるための）プログラムを記録したコンピュータ読取
り可能な記録媒体として実施することもできる。本発明
は、上述した実施の形態に限定されるものではなく、そ
の技術的範囲において種々変形して実施することができ
る。

【０１３８】

【発明の効果】本発明によれば、複数の認識方式を統合
し１つの認識結果を出すようなパターン認識処理におけ
る認識辞書学習において、学習に関する弊害を最小限に
抑え、各認識方式の長所を活かす適切な方向に各認識辞
書を学習していくことができる。この結果、各認識方式
の長所を活かした高精度なパターン認識処理を実現する
ことができる。

【図面の簡単な説明】

【図１】本発明の一実施形態に係るパターン認識辞書作
成装置の基本構成を示す図

【図２】本発明の一実施形態に係るパターン認識装置の
基本構成を示す図

【図３】本発明の第１の実施形態における学習アルゴリ
ズムの一例を示すフローチャート

【図４】本発明の第２、第３、第４の実施形態における
直列型認識処理アルゴリズムの一例を示すフローチャー
ト

【図５】本発明の第２、第３、第４の実施形態における
学習アルゴリズムの一例を示すフローチャート

【図６】本発明の第２の実施形態におけるリジェクトパ
ターンの学習処理のアルゴリズムの一例を示すフローチ
ャート

【図７】同実施形態における不正解パターンの学習処理
のアルゴリズムの一例を示すフローチャート

【図８】同実施形態における不正解パターンの学習処理
のアルゴリズムの他の例を示すフローチャート

【図９】本発明の第３の実施形態における不正解パター
ンの学習処理のアルゴリズムの一例を示すフローチャー
ト

【図１０】本発明の第４の実施形態における不正解パタ
ーンの学習処理のアルゴリズムの一例を示すフローチャ
ート

【図１１】本発明の第５の実施形態における直列型認識
処理アルゴリズムの一例を示すフローチャート

【図１２】同実施形態における学習アルゴリズムの一例
を示すフローチャート

【符号の説明】

２，１２…パターン入力部４…初期辞書作成部１０…辞書変更部８，１６…認識処理部６，１４…辞書データ格納部１８…認識結果出力部

Claims

【特許請求の範囲】

【請求項１】複数の認識方式を用いるパターン認識処理
における認識辞書を学習するパターン認識辞書学習方法
であって、入力パターンに対する各認識方式の認識結果に少なくと
も基づいて定められた学習基準に従って、前記認識辞書
を学習することを特徴とするパターン認識辞書学習方
法。
【請求項２】複数の認識方式を用いるパターン認識処理
における認識辞書を学習するパターン認識辞書学習方法
であって、入力パターンに対するパターン認識処理を実行し、このパターン認識処理の認識結果および各認識方式の認
識結果に少なくとも基づいて前記認識辞書の学習基準を
定め、定められた前記学習基準に従って、前記認識辞書を学習
することを特徴とするパターン認識辞書学習方法。
【請求項３】前記学習基準は、学習指針を定めるもので
あって、その学習指針によって学習を行うことを特徴と
する請求項１または２に記載のパターン認識辞書学習方
法。
【請求項４】前記学習基準は、認識方式における認識候
補と正解候補の類似度の差、正解候補の類似度、認識候
補の類似度、認識候補カテゴリ、正解候補カテゴリおよ
び正解候補の候補順位のうち少なくとも１つを含むもの
であることを特徴とする請求項１ないし３のいずれか１
項に記載のパターン認識辞書学習方法。
【請求項５】前記学習基準は、認識辞書を学習すべき認
識方式と学習方法を定めるものであることを特徴とする
請求項１ないし４のいずれか１項に記載のパターン認識
辞書学習方法。
【請求項６】複数の認識方式を用いるパターン認識処理
における認識辞書を、初期的な認識辞書を学習すること
により作成するパターン認識辞書作成方法であって、入力パターンに対する各認識方式の認識結果に少なくと
も基づいて定められた学習基準に従って、前記認識辞書
を学習することを特徴とするパターン認識辞書作成方
法。
【請求項７】複数の認識方式を用いるパターン認識処理
における認識辞書を、初期的な認識辞書を学習すること
により作成するパターン認識辞書作成方法であって、入力パターンに対するパターン認識処理を実行し、このパターン認識処理の認識結果および各認識方式の認
識結果に少なくとも基づいて前記認識辞書の学習基準を
定め、定められた前記学習基準に従って、前記認識辞書を学習
することを特徴とするパターン認識辞書作成方法。
【請求項８】前記学習基準は、学習指針を定めるもので
あって、その学習指針によって学習を行うことを特徴と
する請求項６または７に記載のパターン認識辞書作成方
法。
【請求項９】前記学習基準は、認識方式における認識候
補と正解候補の類似度の差、正解候補の類似度、認識候
補の類似度、認識候補カテゴリ、正解候補カテゴリおよ
び正解候補の候補順位のうち少なくとも１つを含むもの
であることを特徴とする請求項６ないし８のいずれか１
項に記載のパターン認識辞書作成方法。
【請求項１０】前記学習基準は、認識辞書を学習すべき
認識方式と学習方法を定めるものであることを特徴とす
る請求項６ないし９のいずれか１項に記載のパターン認
識辞書作成方法。
【請求項１１】複数の認識方式を用いてパターン認識処
理を行うパターン認識手段と、前記複数の認識方式それぞれの認識辞書を格納するため
の辞書格納手段と、入力パターンに対する各認識方式の認識結果に少なくと
も基づいて定められた学習基準に従って、前記認識辞書
を学習する学習手段とを特徴とするパターン認識辞書学
習装置。
【請求項１２】複数の認識方式を用いてパターン認識処
理を行うパターン認識手段と、前記複数の認識方式それぞれの認識辞書を格納するため
の辞書格納手段と、前記辞書格納手段に格納される初期的な認識辞書を作成
する初期辞書作成手段と、前記認識辞書を学習する学習手段と、入力パターンに対する各認識方式の認識結果に少なくと
も基づいて定められた学習基準に従って、前記認識辞書
を学習する学習手段とを特徴とするパターン認識辞書作
成装置。
【請求項１３】コンピュータに、複数の認識方式を用い
た所定のパターン認識処理による入力パターンに対する
認識処理を実行させ、このパターン認識処理で実行され
た各認識方式の認識結果に少なくとも基づいて前記認識
辞書の学習基準を定めさせ、定められた前記学習基準に
従って前記認識辞書を学習させるためのプログラムを記
録したコンピュータ読取り可能な記録媒体。
【請求項１４】コンピュータに、複数の認識方式を用い
た所定のパターン認識処理による入力パターンに対する
認識処理を実行させ、このパターン認識処理で実行され
た各認識方式の認識結果に少なくとも基づいて前記認識
辞書の学習基準を定めさせ、この学習基準により定めら
れる認識辞書を学習すべき認識方式と学習方法に従って
前記認識辞書を学習させるためのプログラムを記録した
コンピュータ読取り可能な記録媒体。
【請求項１５】複数の認識方式を用いるパターン認識方
法であって、請求項１ないし５のいずれか１項に記載のパターン認識
辞書学習方法によって学習された認識辞書を少なくとも
用いて、入力されたパターンを認識することを特徴とす
るパターン認識方法。
【請求項１６】複数の認識方式を用いるパターン認識方
法であって、請求項６ないし１０のいずれか１項に記載のパターン認
識辞書作成方法によって作成された認識辞書を少なくと
も用いて、入力されたパターンを認識することを特徴と
するパターン認識方法。
【請求項１７】複数の認識方式を用いるパターン認識装
置であって、請求項１ないし５のいずれか１項に記載のパターン認識
辞書学習方法によって学習された認識辞書を格納した辞
書格納手段と、入力されたパターンを、少なくとも前記認識辞書を用い
て認識するパターン認識手段とを備えたことを特徴とす
るパターン認識装置。
【請求項１８】複数の認識方式を用いるパターン認識装
置であって、請求項６ないし１０のいずれか１項に記載のパターン認
識辞書作成方法によって作成された認識辞書を格納した
辞書格納手段と、入力されたパターンを、少なくとも前記認識辞書を用い
て認識するパターン認識手段とを備えたことを特徴とす
るパターン認識装置。